データの分析&統合管理サービスで
企業プロセスを加速します
データの蓄積とデータ価値の創造を目指し、ビッグデータ技術、AI技術、およびデータセキュリティ技術を活用して、
データ統合、プロセシング、管理、サービス、
資産運営を一体化した、データインテリジェントな基盤を構築します。
Origienデータプラットフォームは、クロス領域のデータを集約＆管理し、データ分析とデータサービスを提供し、
ビジネス価値を創出します。データのクローズドループプロセスには、データ統合、データプロセシング、
データ分析、データサービスの4つの重要な要素が含まれます。
データプラットフォームは、これらの4つの重要な要素に対して統合されたプラットフォームを提供し、ビジネスデータ化、
データ資産化、資産価値化、価値サービス化を実現します。
データ統合
各種のデータを様々なサービスプラットフォーム、ビジネスシステム、地域などから抽出、集約、ロード、変換、転送、
共有することを実現します。
可視化されたタスクの設定と自動スケジュールにより、ビッグデータ環境、RDBMS、MPP、およびデータファイル間の
統合交換機能を実現します。
多場面適用
データ移行、データ同期など、複数のプロジェクト タイプがサポートされています。 タイミングプッシュ、パブリッシュとサブスクライブ、データのバッチ送受信など、複数の交換方式をサポートします。
多データソース適用
複数のデータベースがサポートされています。例: mysql、oracle、db2、postgre、Greenplum、GaussDB、Gbase、Dameng
可視化タスク構成
さまざまな可視化タスクタイプを提供し、簡単なオンラインタスク構成は可能です。
拡張性
データプラットフォーム、ワークフロー管理プラットフォームなど、より多くの製品をシームレスに統合できます。再開発する必要はありません。
データプロセシングプ
データプロセシングプラットフォームは、データクエリ、リアルタイム計算、オフライン計算、探索分析など、
一連のデータプロセシングサービスを提供します。
開発効率向上
ワンストップのデータ開発プロセスを通じて、キャンバスに直接ドラッグアンドドロップすることで、 迅速かつ効率的な開発を実現し、データ開発のコストを削減し、データガバナンスの効率を向上させることができます。
多場面
さまざまな種類のオペレータとカスタム オペレータをプリセットすることで、複数のニーズと多次元の開発シナリオに対応できます。
柔軟なコンピューティングエンジン
Python、データ統合は柔軟に対応できます。Pyspark、大規模なデータを分散処理します。
ビッグデータ分析を高速に実行
ビッグデータアプリケーションやペタバイトスケールのデータ分析を、高速に実行できます。
スケーラブルなデータパイプラインの構築
さまざまなソースからデータを抽出し、大規模に処理して、アプリケーションとユーザーが利用できるようにします。
マルチオペレーター
さまざまなリアルタイムおよびバッチのオペレータモデルでタスク開発をサポートし、ドラッグアンドドロップの可視化モデルでタスク開発もサポートします。
データガバナンス
メタデータ、データスタンダード、データ品質、データセキュリティ、データモデルを有機的に統合し、
データガバナンス対応の効率化を実現します。
データモデル、データポリシー管理、データ品質管理、データセキュリティ管理、メタデータ管理モジュールが
含まれており、ユーザーがデータ内のエラーを見つけてデータ価値を発掘できるようにします。
データモデル
グラフィカルインターフェイス、直感的な方法でのデータモデルの設計と表示、グラフィックドラッグ操作がよりシンプルかつ高速になり、 機能領域が明確に分割されます。 複数人による同じモデルの編集をサポートし、モデルの結合をサポートします。 バージョン設定はメジャーバージョン、マイナーバージョン、マイクロバージョンに分かれており、ユーザーは変更プロセスを遡ることができます。
メタデータ
複数のコレクター、ETL、レポート ツールをサポートします。 収集タスクの構成、自動データ収集をサポートします。 データリネージ分析、影響分析、およびフルチェーン分析の視覚的な追跡と表示をサポートします。
データセキュリティ
データベースのメタデータ情報に基づいたデータのマスキングルールを設定し、ルールは繰り返し使用できます。 また、スマートなデータのマスキング処理もサポートします。 マスキングアルゴリズムはメンテナンス可能かつ拡張可能であり、複数の組み込みのマスキングアルゴリズムを直接使用できます。 複雑な処理ロジックもカスタム可能です。 複数のデータマスキングシナリオをサポートし、本番データベースに直接データの永続化なしでデータマスキング処理を実行できます。 データファイルをマスキングしてから直接データベースに保存することも可能です。
データ品質
標準化されたデータ品質ガバナンスプロセスと評価メカニズムにより、データ品質の問題をタイムリーに検出できます。 一般的に使用されるデータ検証モデルを提供し、カスタマイズされたデータ品質レポート テンプレートをサポートし、 データ品質の問題追跡メカニズムを実装します。
データポリシー
データポリシー、管理プロセス、技術ツールの完全なセットを確立することで、 顧客のさまざまな重要な情報の内部および外部での使用および交換の一貫性と正確性を確保します。 データポリシーはビジネスポリシーとテクニカルポリシーをサポートします 。
データ資産の蓄積とデータ価値の創造を目指し、ビッグデータ技術、AI技術、およびデータセキュリティ技術を活用して、データの統合、
プロセシング、管理、サービス、資産運営を一体化したデータインテリジェントな基盤を構築します。
業界の知識とデータガバナンスを組み合わせ、データ駆動のビジネス運営とリーンな管理を実現し、ビジネスデータ化、
データ資産化、そして資産価値化を実現します。
各種クラウド及サードパーティ製品に基づいて総合データガバナンスプラットフォームを構築し、
DX時代のビジネス変革を支援します。
IT会社 データプラットフォーム
- 目標
- 計画
- 指標体系
- 背景
- 対応内容
- 本事例における役割
1.統一的な監視分析システムを構築
2.統一的な意思決定システムを構築
3.統一的なデータ開発・運用システムを構築
このプラットフォームは、履歴データストレージ、データ統合プラットフォーム、データアプリケーションレイヤー、データアプリケーションポータル、スケジュールモニタリング、運用管理などのデータプラットフォームで構成されます。 この計画に従って、データプラットフォーム基盤は、グループ全体のBIシステムの唯一のデータソースなります。
・財務指標
・規模指標
・品質指標
・流動性指標
・予算指標
医療機器メーカーCloud Data Hub
現状、Oracle、SFDCなどで発生した業務データをオンプレミス環境のDWHを使用していた。 業務データ量の増加や、分析ニーズの変化に伴い、既存DWHが性能限界に達している反面、 既存システムの拡張性・保守性の低下、データ増による高コスト化、グロバールデータが地域ごとに保管されているため、 統合的な管理が難しいなどの問題が発生します。
AWSクラウドで高性能、動的負荷拡張、高拡張性、Data Analytics或いはData Scienceに適した統合データ管理システムCloud Data Hubを構築
お客さま：要求分析（超上流）＆方針策定
Pactera：基盤構築・要件・設計・開発
現状の課題
実現できたこと
データ管理の一元化
共通ポリシー・ルールに従い、散在する業務データを統合的に管理データの資産化
データをデジタル資産化し、ビジネスユーザーに向け、各データサービスを提供データ処理の高速化
大量データの分散処理による、データ処理時間を1/5に短縮